2016年3月22日 星期二

如何在C#的Picturebox上畫線畫圓

MSDN

public partial class Form1 : Form
    {
        Bitmap DrawArea;
        public Form1()
        {
            InitializeComponent();

            DrawArea = new Bitmap(pictureBox1.Size.Width, pictureBox1.Size.Height);
            pictureBox1.Image = DrawArea;
            
        }

        private void Form1_Load(object sender, EventArgs e)
        {
            Graphics g;
            g = Graphics.FromImage(DrawArea);
            
            Pen mypen = new Pen(Brushes.Black);
            g.DrawLine(mypen, 0, 0, 200, 200);
            g.Clear(Color.White);
            g.Dispose();
             
        }
        private void Button1_Click(object sender, EventArgs e)
        {
           
                Graphics g;
                g = Graphics.FromImage(DrawArea);
                
                Pen mypen = new Pen(Color.Black);

                g.DrawLine(mypen, 0,0,200,150);

                pictureBox1.Image = DrawArea;

                g.Dispose();
            
        }


private void pictureBox1_Paint(object sender, PaintEventArgs e)
        {
            int picBoxWidth = pictureBox1.Size.Width;
            int picBoxHeight = pictureBox1.Size.Height;
            int halfWidth = pictureBox1.Size.Width / 2;
            int halfHeight = pictureBox1.Size.Height / 2;
            Graphics objGraphic = e.Graphics; //**請注意這一行**
            Pen pen = new Pen(Color.Black);
            int b = 2; int m = 2; for (int x = 0; x < 426; x++)
            {
                int y = m * x + b; x = (y - b) / m;
                objGraphic.DrawLine(pen, x, y, -x, -y);
                System.Drawing.Drawing2D.GraphicsState graph = objGraphic.Save();
                objGraphic.Restore(graph);
            }
            objGraphic.DrawLine(pen, 0, halfHeight, picBoxWidth, halfHeight);
            objGraphic.DrawLine(pen, halfWidth, 0, halfWidth, picBoxHeight);
            objGraphic.DrawLine(pen, 20, 20, 300, 300);
        }



from:http://trufflepenne.blogspot.tw/2010/11/cpicturebox.html

2015年10月1日 星期四

[Raspberry pi 1001] RaspberryPI : 用 HDMI to VGA 接電腦螢幕

RaspberryPI : 用 HDMI to VGA 接電腦螢幕

如何讓只有 D-Sub(VGA) 界面的電腦螢幕可以接 Raspberry Pi 呢?前幾天和我家小孩一起玩 MAME 模擬器中的「1943」,由於原始設計是直的螢幕,七吋的小螢幕可以旋轉90度,不過畫面太小,而客廳的電視那麼大,又不可能旋轉成直的。於是上網買了個 HDMI 轉 VGA 的轉換線(盒),它可以將 HDMI 輸入的影音訊號輸出為 VGA 的視訊加上 3.5mm 音源,這樣一來,就可以用電腦螢幕來顯示 Raspberry Pi 的畫面了。
由於我的電腦螢幕並沒有支援到 1080p 的 1920x1080,如果使用 Raspberry Pi 的預設值,直接將「HDMI to VGA」輸出給舊的電腦螢幕,勢必會超出可顯示的解析度而無畫面。所以,先將修改記憶卡中  FAT32 分割區中的 config.txt 修改一下,加入底下的內容:
hdmi_drive=2
hdmi_group=2
hdmi_mode=16

上面的設定主要的功用如下:
  • hdmi_drive:設定要驅動 DVI (1) 還是 HDMI (2),必須使用 HDMI ,也就是設定為 2 才會有聲音。
  • hdmi_group:用來指定要使用 CEA 或 DMT 的格式設定解析度。
  • hdmi_mode:當 hdmi_group=2,而 hdmi_mode=16 時,表示使用 1024x768 60 Hz 的解析度。
其它解析度的設定參數可以參考底下網站裡的說明:

要注意的是,如果想透過上面三行來指定解析度,config.txt 中應該要將 framebuffer_width 和
framebuffer_height 的設定註解掉。

config.txt 修改好以後,將設定值儲存好,接上電腦螢幕,開啟電源,並打開 Raspberry Pi ,相信應該可以在電腦螢幕上看到 Raspberry Pi 的畫面。

///////////////////////////////////////////////

Raspberry Pi:我最常被詢問的問題「螢幕一片漆黑」

我最常被詢問的問題是:開機時怎麼螢幕一片漆黑,什麼都沒有啊?

而問題原因幾乎都是:使用了「HDMI轉VGA端子」的轉接頭(或轉接線)。

Raspberry Pi的視訊輸出有Composite RCA(AV端子、又稱複合端子,通常是黃色的RCA端子)與HDMI,兩者不能同時使用。當開機時,系統預設從AV端子輸出,但若偵測到有接HDMI,便會從HDMI輸出。若使用轉接頭或轉接線,Raspberry Pi便可能無法正常偵測,於是仍從AV端子輸出視訊,導致根本沒畫面。

解決方法是修改SD記憶卡中第一個分割區裡的config.txt,將

#hdmi_force_hotplug=1

的「#」拿掉,#代表註解之意;變成

hdmi_force_hotplug=1

這麼一來,就可以強迫從HDMI輸出視訊。

refer to: http://gsyan888.blogspot.tw/2013/06/raspberrypi-hdmi-to-vga.html
                  http://yehnan.blogspot.tw/2013/10/raspberry-pi.html

2015年9月21日 星期一

在 Raspberry Pi 上面安裝 OpenCV 函式庫

這裡介紹如何在 Raspberry Pi 上面安裝 OpenCV 函式庫,安裝方式可選擇使用 apt 或是自行編譯安裝。


OpenCV 是一個很強大的電腦視覺(Computer Vision)工具,可用於開發即時的影像處理、電腦視覺以及模式識別程式,應用領域很廣泛,以下介紹如何在 Raspberry Pi 上面安裝與使用 OpenCV。

安裝 OpenCV

要在 Raspberry Pi 上面安裝 OpenCV,可以分為兩種方式,一種是直接使用 apt 來安裝,這種方式最簡單,一般建議是用這種。而另外一種則是從 OpenCV 的網站下載原始碼自行編譯,這種安裝方式比較麻煩,如果需要最新版的 OpenCV 或是有特殊需求想要自行調整編譯參數的人才需要用這種方式。

使用 Apt 安裝 OpenCV

如果要在 Raspberry Pi 中安裝與使用 OpenCV,最方便的方式就是使用 apt 來安裝:
sudo apt-get install libopencv-dev
基本上這樣系統就會自動把 OpenCV 的函式庫安裝好,非常簡單。

下載 OpenCV 原始碼自行編譯安裝

如果您需要最新版的 OpenCV,那麼就會需要抓取最新的原始碼來編譯,以下是下載、編譯與安裝的步驟。

STEP 1
安裝編譯 OpenCV 所需要的套件:
sudo apt-get install build-essential cmake cmake-curses-gui pkg-config libpng12-0 libpng12-dev libpng++-dev libpng3 libpnglite-dev zlib1g-dbg zlib1g zlib1g-dev pngtools libtiff4-dev libtiff4 libtiffxx0c2 libtiff-tools libeigen3-dev
需要的套件很多,這是另外一部分:
sudo apt-get install libjpeg8 libjpeg8-dev libjpeg8-dbg libjpeg-progs ffmpeg libavcodec-dev libavcodec53 libavformat53 libavformat-dev libgstreamer0.10-0-dbg libgstreamer0.10-0 libgstreamer0.10-dev libxine1-ffmpeg libxine-dev libxine1-bin libunicap2 libunicap2-dev swig libv4l-0 libv4l-dev python-numpy libpython2.6 python-dev python2.6-dev libgtk2.0-dev

STEP 2
從 OpenCV 的網站上下載 OpenCV 的原始碼,下載下來之後,先解壓縮:
unzip opencv-2.4.10.zip
或是直接使用 Git 下載:
git clone https://github.com/Itseez/opencv.git

STEP 3
進入 OpenCV 的原始碼目錄,建立一個編譯用的子目錄。
cd opencv-2.4.10
mkdir release
cd release
使用 ccmake 建立 CMake 設定檔:
ccmake ../
由於我們建立的是一個全新的編譯設定,所以會顯示 Empty Cache,直接按下「c」繼續。


接著會出現所有可以調整的選項,您可以依照自己的需求來修改。


修改完後,按下「c」設定新的選項,然後再按下「g」即可產生編譯用的設定檔案。

STEP 4
進行編譯:
make
sudo make install
由於 Raspberry Pi 的處理速度很慢,所以編譯的過程會需要很久的時間,大該需要十個小時左右。在編譯的過程會需要大約 2G 的空間,所以也要注意一下 Raspberry Pi 的記憶卡所剩餘的空間是否充足。

OpenCV Hello World

安裝好 OpenCV 函式庫之後,接著寫一個小的程式測試一下:
#include 
#include 
#include 
using namespace cv;
using namespace std;
int main( int argc, char** argv ) {
    if( argc != 2) {
     cout <<" Usage: display_image ImageToLoadAndDisplay" << endl;
     return -1;
    }
    Mat image;
    // Read the file
    image = imread(argv[1], CV_LOAD_IMAGE_COLOR);
    if(! image.data ) { // Check for invalid input
        cout <<  "Could not open or find the image" << std::endl ;
        return -1;
    }
    // Create a window for display.
    namedWindow( "Display window", WINDOW_AUTOSIZE );
    // Show our image inside it.
    imshow( "Display window", image );
    // Wait for a keystroke in the window
    waitKey(0);
    return 0;
}
我將這個顯示圖片的程式碼儲存為 display_image.cpp,然後使用 g++ 編譯:
g++ -lopencv_highgui -lopencv_core -o display_image display_image.cpp
編譯時要加上連結用的函式庫 -lopencv_highgui -lopencv_core,如果不清楚該加哪些,可以直接使用 pkg-config 把所有的 OpenCV 函式庫都放進去:
g++ `pkg-config --libs opencv` -o display_image display_image.cpp
如果可以正常編譯出來 display_image 這個執行檔,就表示 OpenCV 已經安裝成功了,這個測試程式可以顯示指定的圖檔:
./display_image lena.jpg

如果您對於樹莓派的應用有興趣,建議您可以繼續閱讀物聯網的相關文章。

refer to :http://blogger.gtwang.org/2015/01/raspberry-pi-install-opencv.html

2015年9月11日 星期五

卡爾曼濾波器(Kalman Filter) 說明與介紹





1 什麼是卡爾曼濾波器(What is the Kalman Filter?


在學習卡爾曼濾波器之前,首先看看為什麼叫卡爾曼。跟其他著名的理論(例如傅立葉變換,泰勒級數等等)一樣,卡爾曼也是一個人的名字,而跟他們不同的是,他是個現代人!
卡爾曼全名Rudolf Emil Kalman,匈牙利數學家,1930年出生於匈牙利首都布達佩斯。19531954年于麻省理工學院分別獲得電機工程學士及碩士學位。1957年于哥倫比亞大學獲得博士學位。我們現在要學習的卡爾曼濾波器,正是源于他的博士論文和1960年發表的論文《A New Approach to Linear Filtering and Prediction Problems》(線性濾波與預測問題的新方法)。如果對這編論文有興趣,可以到這裏的位址下載: http://www.dsprelated.com/showabstract/16.php


簡單來說,卡爾曼濾波器是一個“optimal recursive data processing algorithm(最優化自回歸資料處理演算法)。對於解決很大部分的問題,他是最優,效率最高甚至是最有用的。他的廣泛應用已經超過30年,包括機器人導航,控制,感測器資料融合甚至在軍事方面的雷達系統以及導彈追蹤等等。近年來更被應用於電腦圖像處理,例如頭臉識別,圖像分割,圖像邊緣檢測等等。


2
.卡爾曼濾波器的介紹(Introduction to the Kalman Filter
為了可以更加容易的理解卡爾曼濾波器,這裏會應用形象的描述方法來講解,而不是像大多數參考書那樣羅列一大堆的數學公式和數學符號。但是,他的5條公式是其核心內容。結合現代的電腦,其實卡爾曼的程式相當的簡單,只要你理解了他的那5條公式。
在介紹他的5條公式之前,先讓我們來根據下面的例子一步一步的探索。

   
假設我們要研究的是一個房間的溫度,根據經驗判斷,這個房間的溫度是恆溫的。也就是下一分鐘的溫度會等於現在這一分鐘的溫度(這裡設定是以一分鐘為時間單位)。


但事實上,房間不是恆溫的,而且以你經驗估出來的溫度,可能會有上下幾度的誤差,這些誤差就是所謂的高斯白雜訊(White Gaussian Noise),這些誤差跟前後時間是沒有關係的而且符合高斯分配(Gaussian Distribution)。


另外,我們在房間裏也放一支溫度計,但這溫度計也不是準確的,測量值和實際值也存在著誤差。這些誤差也是高斯白雜訊(White Gaussian Noise)。


好了,現在對於某一分鐘內我們有兩個關於該房間的溫度值:

1. 根據你經驗的預測值(系統的預測值)和 

2. 溫度計的值(測量值)

下面我們要用這兩個值結合他們各自的雜訊來估算出房間的實際溫度值。

PS: 注意,這個估算出來的實際溫度也會有誤差,但隨著時間往後推移,每次算出來的實際溫度的誤差會越來越小!)


計算過程:
經驗法則預測的誤差 和 溫度計的誤差為 已知的系統參數


Step 1 , state and covariance prediction
假設我們要估算時間K的實際溫度,首先我們根據K-1時刻的溫度,來預測K時刻的溫度。
假設K-1時刻時,房間溫度是23度,我們預測K時刻房間溫度也是23度,K時刻預測的誤差為5度。
這邊的5度是如何得知的呢? 如果K-1時刻實際溫度的誤差是3,經驗法則預估的誤差為4,那麼將他們平方相加在開根號,就是K時刻預測的誤差。
然後再去看我們溫度計量出來的結果,假設為25度,同時該溫度計的誤差是4度。
Step 2 , Kalman gain correction and state correction
我們預測房間溫度是23度,測量到的溫度是25度,那麼實際溫度到底是多少呢?該相信哪邊多一點呢? 這邊就要看Kalman gainKg)了。
Kalman gain
的計算要用到前面的兩個誤差 
Kg^2 = 5^2 /  (5^2 + 4^2) = 0.78
Kalman gain的值,我們可以推算出K時刻的實際溫度是

預測值 + Kalman gain * (量測值 - 預測值)
23 + 0.78* (25 -23) = 24.56

這邊可以看出,因為溫度計的誤差較K時刻預測的誤差小(比較相信溫度計),所以實際溫度偏向溫度計的值
Step 3 , covariance correction
但是這個實際溫度還是有誤差,可由以下式子算出K時刻實際溫度的誤差
((1-Kg)*5^2)^0.5=2.35
這裡的5K時刻預測的誤差,算出來的2.35對應到前面的3 (K-1時刻的實際溫度誤差)現在我們已經得到k時刻的最優溫度值了,接下來我們就可以進入K+1時刻了!

根據以上規則,Kalman filter一直迭代下去,
我們可以發現實際溫度的誤差(covariance)會慢慢的變小,我們得到的實際溫度也會越來越準確!
下面就要言歸正傳,討論真正工程系統上的卡爾曼。


3
 卡爾曼濾波器演算法(The Kalman Filter Algorithm
在這一部分,我們就來描述源於Dr Kalman 的卡爾曼濾波器。下面的描述,會涉及一些基本的概念知識,包括概率(Probability),隨即變數(Random Variable),高斯或常態分配(Gaussian Distribution)還有State-space Model等等。但對於卡爾曼濾波器的詳細證明,這裏不能一一描述。
首先,我們先要引入一個離散控制過程的系統。

該系統可用一個線性隨機微分方程(Linear Stochastic Difference equation)來描述:

X(k)=A X(k-1)+B U(k)+W(k) 

再加上系統的測量值:

Z(k)=H X(k)+V(k) 


上兩式子中,

X(k)k時刻的系統狀態,

U(k)k時刻對系統的控制量。

AB是系統參數,對於多模型系統,他們為矩陣。

Z(k)k時刻的測量值,

H是測量系統的參數,對於多測量系統,H為矩陣。

W(k)V(k)分別表示過程和測量的雜訊。他們被假設成高斯白雜訊(White Gaussian Noise),他們的covariance 分別是QR(這裏我們假設他們不隨系統狀態變化而變化)。

對於滿足上面的條件(線性隨機微分系統,過程和測量都是高斯白雜訊),卡爾曼濾波器是最優的資訊處理器。下面我們來用他們結合他們的covariances 來估算系統的最優化輸出(類似上一節那個溫度的例子)。
首先我們要利用系統的過程模型,來預測下一狀態的系統。假設現在的系統狀態是k,根據系統的模型,可以基於系統的上一狀態而預測出現在狀態:

X(k|k-1)=A X(k-1|k-1)+B U(k) ……….. (1)

(1)中,X(k|k-1)是利用上一狀態預測的結果,X(k-1|k-1)是上一狀態最優的結果,U(k)為現在狀態的控制量,如果沒有控制量,它可以為0
到現在為止,我們的系統結果已經更新了,可是,對應於X(k|k-1)covariance還沒更新。我們用P表示covariance

P(k|k-1)=A P(k-1|k-1) A’+Q ……… (2)

(2)中,P(k|k-1)X(k|k-1)對應的covarianceP(k-1|k-1)X(k-1|k-1)對應的covarianceA’表示A的轉置矩陣,Q是系統過程的covariance。式子12就是卡爾曼濾波器5個公式當中的前兩個,也就是對系統的預測。
現在我們有了現在狀態的預測結果,然後我們再收集現在狀態的測量值。結合預測值和測量值,我們可以得到現在狀態(k)的最優化估算值X(k|k)

X(k|k)= X(k|k-1)+Kg(k) (Z(k)-H X(k|k-1)) ……… (3)

其中Kg為卡爾曼增益(Kalman Gain)

Kg(k)= P(k|k-1) H’ / (H P(k|k-1) H’ + R) ……… (4)
到現在為止,我們已經得到了k狀態下最優的估算值X(k|k)。但是為了要另卡爾曼濾波器不斷的運行下去直到系統過程結束,我們還要更新k狀態下X(k|k)covariance

P(k|k)=I-Kg(k) HP(k|k-1) ……… (5)

其中1的矩陣,對於單模型單測量,I=1。當系統進入k+1狀態時,P(k|k)就是式子(2)P(k-1|k-1)。這樣,演算法就可以自回歸的運算下去。
卡爾曼濾波器的原理基本描述了,式子12345就是他的個基本公式。根據這5個公式,可以很容易的實現電腦的程式。
下面,我會用程式舉一個實際運行的例子。



4
 簡單例子 A Simple Example
這裏我們結合第二第三節,舉一個非常簡單的例子來說明卡爾曼濾波器的工作過程。所舉的例子是進一步描述第二節的例子,而且還會配以程式類比結果。
根據第二節的描述,把房間看成一個系統,然後對這個系統建模。當然,我們見的模型不需要非常地精確。我們所知道的這個房間的溫度是跟前一時刻的溫度相同的,所以A=1。沒有控制量,所以U(k)=0。因此得出:

X(k|k-1)=X(k-1|k-1) ……….. (6)
式子(2)可以改成:

P(k|k-1)=P(k-1|k-1) +Q ……… (7)
因為測量的值是溫度計的,跟溫度直接對應,所以H=1。式子345可以改成以下:

X(k|k)= X(k|k-1)+Kg(k) (Z(k)-X(k|k-1)) ……… (8)
Kg(k)= P(k|k-1) / (P(k|k-1) + R) ……… (9)
P(k|k)=
1-Kg(k)P(k|k-1) ……… (10)

現在我們模擬一組測量值作為輸入。假設房間的真實溫度為25度,我模擬了200個測量值,這些測量值的平均值為25度,但是加入了標準偏差為幾度的高斯白雜訊(在圖中為藍線)。
為了令卡爾曼濾波器開始工作,我們需要告訴卡爾曼兩個零時刻的初始值,是X(0|0)P(0|0)。他們的值不用太在意,隨便給一個就可以了,因為隨著卡爾曼的工作,X會逐漸的收斂。但是對於P,一般不要取0,因為這樣可能會令卡爾曼完全相信你給定的X(0|0)是系統最優的,從而使演算法不能收斂。我選了X(0|0)=1度,P(0|0)=10
該系統的真實溫度為25度,圖中用黑線表示。圖中紅線是卡爾曼濾波器輸出的最優化結果(該結果在演算法中設置了Q=1e-6R=1e-1)。





refer to: http://rexkingworld.blogspot.tw/2013/05/kalman-filter.html